灰色量子粒子群优化通用向量机的中国行业间碳排放转移网络预测研究

发布时间：2022-10-05 20:32

　　针对行业间碳排放转移量预测问题,以中国1997-2017年间9年度28个行业间碳排转移量数据为样本,本文提出了基于小样本随机振荡序列的灰色量子粒子群优化通用向量机混合预测模型ROGM-QPSO-GVM。该模型首先使用ROGM（1,1）模型得到各行业对其他行业碳排放转移量的预测序列和残差序列,然后提出了一种新的量子粒子群优化（QPSO）算法优化GVM模型网络参数,构建了QPSO-GVM模型对残差序列进行修正,再将两部分的预测值相加得到行业间碳排放转移量预测值,最后根据所有预测值构建出行业间碳排放转移网络。结果表明ROGM-QPSO-GVM模型与其他模型相比具有更好的预测效果,并利用该模型对2020年、2025年、2030年中国行业间碳排放转移网络进行了预测及变化趋势分析。 

【文章页数】：13 页

【文章目录】：
1 引言
2 模型构建
    2.1 ROGM(1,1)模型
    2.2 GVM模型
    2.3 基于量子粒子群优化算法优化的GVM模型
    2.4 预测模型建模方法
        (1)基于GVM的单一预测模型
        (2)ROGM-QPSO-GVM混合预测模型
    2.5 模型性能评价指标
3 碳排放转移量核算
    3.1 行业直接碳排放与完全碳排放的比较
        (1)生产者责任原则与行业直接碳排放
        (2)消费者责任原则与行业完全碳排放
    3.2 行业间碳排放转移网络的构建
4 实证分析
    4.1 实验数据和实验参数
    4.2 ROGM-QPSO-GVM模型与其他模型的预测结果比较
    4.3 ROGM-QPSO-GVM模型与其他模型的预测评价指标比较
    4.4 行业间碳排放转移网络预测与变化趋势分析
5 结语


【参考文献】：
期刊论文
[1]基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测[J]. 黄蕊,王铮,丁冠群,龚洋冉,刘昌新.  地理研究. 2016(04)
[2]我国碳排放增长率的运行机理及预测[J]. 张国兴,张振华,刘鹏,刘明星.  中国管理科学. 2015(12)
[3]区域能源消费碳排放峰值预测及可控性研究[J]. 王宪恩,王泳璇,段海燕.  中国人口.资源与环境. 2014(08)
[4]基于Logistic模型的中国各省碳排放预测[J]. 杜强,陈乔,杨锐.  长江流域资源与环境. 2013(02)
[5]基于离散二阶差分算法的中国碳排放预测[J]. 赵息,齐建民,刘广为.  干旱区资源与环境. 2013(01)
[6]中国的碳减排路径与战略选择——基于八大行业部门碳排放量的指数分解分析[J]. 涂正革.  中国社会科学. 2012(03)
[7]中国碳排放强度预测与煤炭能源比重检验分析[J]. 刘广为,赵涛,米国芳.  资源科学. 2012(04)

博士论文
[1]中国行业碳排放的核算和分解[D]. 陈庆能.浙江大学 2018



本文编号：3686459